宏基因组大数据分析的质量控制流程规范

郑广勇; 杨桢; 曹瑞芳; 刘婉; 李亦学; 张国庆

doi:10.11959/j.issn.2096-0271.2018025

您当前的位置：

首页 >

文章列表页 >

宏基因组大数据分析的质量控制流程规范

专题：生物医疗大数据 | 更新时间：2024-06-03

- 宏基因组大数据分析的质量控制流程规范
- Quality control of big data analysis for metagenomics
- 大数据 2018年4卷第3期页码：2018025
- 作者机构：
  
  1. 中国科学院上海生命科学研究院生物医学大数据中心,上海 200031
  2. 上海生物信息技术研究中心,上海 201203
- 作者简介：
  
  [ "郑广勇（1977－），男，博士，中国科学院上海生命科学研究院生物医学大数据中心副研究员，主要研究方向为计算生物学、系统生物学以及生物医学大数据的深度挖掘。" ]
  [ "杨桢（1981－），男，博士，中国科学院上海生命科学研究院生物医学大数据中心副研究员，主要研究方向为生物医学大数据的深度挖掘。" ]
  [ "曹瑞芳（1989－），女，中国科学院上海生命科学研究院生物医学大数据中心工程师，主要研究方向为生物医学数据库和知识库的构建。" ]
  [ "刘婉（1987－），女，博士，上海生物信息技术研究中心助理研究员，主要研究方向为微生物相关数据库与数据仓库、生物医学数据审编。" ]
  [ "李亦学（1955－），男，博士，中国科学院上海生命科学研究院生物医学大数据中心研究员，主要研究方向为计算生物学、生物医学大数据的系统研究。" ]
  [ "张国庆（1978－），男，博士，中国科学院上海生命科学研究院生物医学大数据中心研究员，主要研究方向为生物医学数据库和知识库的构建。" ]
- 基金信息：
  
  国家重点研发计划基金资助项目;The National Key Research and Development Program of China(SQ2017YFSF120182);国家重点研发计划基金资助项目;The National Key Research and Development Program of China(2017YFC0907505);国家重点研发计划基金资助项目;The National Key Research and Development Program of China(2016YFC0901904);国家重点研发计划基金资助项目;The National Key Research and Development Program of China(2016YFC0901604);中国科学院微生物组计划基金资助项目;Microbiome Initiative of Chinese Academy of Sciences(KFZD-SW-219-5)
- DOI：10.11959/j.issn.2096-0271.2018025
  中图分类号： TP391
- 网络首发：2018-05，
  
  纸质出版：2018-05-15
- 稿件说明：
移动端阅览
郑广勇, 杨桢, 曹瑞芳, 等. 宏基因组大数据分析的质量控制流程规范[J]. 大数据, 2018,4(3):2018025.

Guangyong ZHENG, Zhen YANG, Ruifang CAO, et al. Quality control of big data analysis for metagenomics[J]. Big Data Research, 2018, 4(3): 2018025.
郑广勇, 杨桢, 曹瑞芳, 等. 宏基因组大数据分析的质量控制流程规范[J]. 大数据, 2018,4(3):2018025. DOI： 10.11959/j.issn.2096-0271.2018025.

Guangyong ZHENG, Zhen YANG, Ruifang CAO, et al. Quality control of big data analysis for metagenomics[J]. Big Data Research, 2018, 4(3): 2018025. DOI： 10.11959/j.issn.2096-0271.2018025.

摘要

宏基因组数据具有数据量大、复杂度高的特点，从数据类型来看，其涵盖了元数据和测序数据。为了保证宏基因组数据后续功能分析的有效性和正确性，需要对这些元数据和测序数据进行严格的质量控制检测。详细描述了宏基因组数据的质量控制流程，包括元数据和测序数据的信息检查、低质量片段的过滤等过程，从而为宏基因组数据分析提供了预处理的规范，这将为微生物组大数据分析提供坚实的基础。

Abstract

Metagenomic data has the characteristics of high volume and complexity.As for data type of metagenomics

it covers metadata and sequencing data.Before performing in-depth functional analysis of metagenomic data

strict quality control for these metadata and sequencing data are needed

so as to ensure the validity and correctness of subsequent data analysis.The quality control process of metagenomic data was described in detail

which included information checking of metadata and sequencing data

filtering of low quality fragments

and so on.A pre-processing specification for metagenomic data analysis was presented

and a solid foundation for big data analysis of microbiome was provided.

关键词

Keywords

references

张国庆 , 宁康 , 职晓阳 , 等 . 建设微生物组大数据中心发挥长期科学影响 [J ] . 中国科学院院刊 , 2017 ( 3 ): 280 - 289 .

ZHANG G Q , NING K , ZHI X Y ， et al . Development of comprehensive microbiome big data warehouse/center for long-term scientific impact [J ] . Bulletin of Chinese Acadamy of Sciences , 2017 ( 3 ): 280 - 289 .

HANDELSMAN J , RONDON M R , BRADY S F , et al . Molecular biological access to the chemistry of unknown soil microbes:a new frontier for natural products [J ] . Chemistry＆ Biology , 1998 , 5 ( 10 ): 245 - 249 .

WANG J , JIA H . Metagenome-wide association studies:fine-mining the microbiome [J ] . Nat Rev Microbiol , 2016 , 14 ( 8 ): 508 - 522 .

FANG H , CAI L , YU Y , et al . Metagenomic analysis reveals the prevalence of biodegradation genes for organic pollutants in activated sludge [J ] . Bioresource Technology , 2013 , 129 ( 2 ): 209 - 218 .

DOS SANTOS H F , CURY J C , DO CARMO F L , et al . Mangrove bacterial diversity and the impact of oil contamination revealed by pyrosequencing:bacterial proxies for oil pollution [J ] . Plos One , 2011 , 6 ( 3 ): > e16943.

QIN N , YANG F , LI A , et al . Alterations of the human gut microbiome in liver cirrhosis [J ] . Nature , 2014 , 513 ( 7516 ): 59 - 64 .

HE Z , PICENO Y , DENG Y , et al . The phylogenetic composition and structure of soil microbial communities shifts in response to elevated carbon dioxide [J ] . Isme Journal , 2012 , 6 ( 2 ): 259 - 272 .

CHEN Y E , TSAO H . The skin microbiome:current perspectives and future challenges [J ] . Journal of the American Academy of Dermatology , 2013 , 69 ( 1 ): 143 - 155 .

TURNBAUGH P J , LEY R E , HAMADY M , et al . The human microbiome project [J ] . Nature , 2007 , 449 ( 7164 ): 804 - 810 .

EHRLICH S D . Metagenomics of the intestinal microbiota:potential applications [J ] . Gastroenterologie Clinique Et Biologique , 2010 , 34 ( 4S1 ): S23 - S28 .

PAGANI I , LIOLIOS K , JANSSON J , et al . >The Genomes OnLine Database (GOLD) v.4:status of genomic and metagenomic projects and their associated metadata [J ] . Nucleic Acids Research , 2012 ( 40 ): 571 - 579 .

FIELD D , GARRITY G , GRAY T , et al . The minimum information about a genome sequence (MIGS) specification [J ] . Nature Biotechnology , 2008 , 26 ( 5 ): 541 - 547 .

KOTTMANN R , GRAY T,MURPHY , et al . A standard MIGS/MIMS compliant XML Schema:toward the development of the Genomic Contextual Data Markup Language (GCDML) [J ] . Omics-a Journal of Integrative Biology , 2008 , 12 ( 2 ): 115 - 121 .

YILMAZ P , KOTTMANN R , FIELD D , et al . Minimum information about a marker gene sequence (MIMARKS) and minimum information about any (x) sequence (MIxS) specifications [J ] . Nature Biotechnology , 2011 , 29 ( 5 ): 415 - 420 .

CARAUS I , ALSUWAILEM A A , NADON R , et al . Detecting and overcoming systematic bias in high-throughput screening technologies:a comprehensive review of practical issues and methodological solutions [J ] . Briefings in Bioinformatics , 2015 , 16 ( 6 ):97416.

SCHMIEDER R , EDWARDS R . Quality control and preprocessing of metagenomic datasets [J ] . Bioinformatics , 2011 , 27 ( 6 ): 863 - 864 .

BOLGER A M , LOHSE M , USADEL B . Trimmomatic:a flexible trimmer for Illumina sequence data [J ] . Bioinformatics , 2014 , 30 ( 15 ): 2114 - 2120 .

SCHMIEDER R , YAN W L , ROHWER F , et al . TagCleaner:identification and removal of tag sequences from genomic and metagenomic datasets [J ] . Bmc Bioinformatics , 2010 , 11 ( 1 ): 1 - 14 .

LI H , DURBIN R . Fast and accurate longread alignment with Burrows-Wheeler transform [J ] . Bioinformatics , 2010 , 26 ( 5 ): 589 - 595 .

LANGMEAD B , TRAPNELL C , POP M , et al . Ultrafast and memory-efficient alignment of short DNA sequences to the human genome [J ] . Genome Biology , 2009 , 10 ( 3 ):R25.

SEGATA N , WALDRON L , BALLARINI A , et al . Metagenomic microbial community profiling using unique clade-specific marker genes [J ] . Nature Method , 2012 , 9 ( 8 ): 811 - 814 .

浏览量

1448

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

开放科学背景下的科学数据开放共享：国家青藏高原科学数据中心的实践

时间频率科学数据管理控制与应用

大数据技术在疫情精准防控中的应用

工业大数据分析综述：模型与算法

大数据分析与应用技术创新平台